Identification and analysis of differentially expressed lncRNAs and their ceRNA networks in DMD/mdx primary myoblasts
Notice bibliographique
Résumé
This study explored the significance of long non-coding RNAs (lncRNAs), particularly their role in maintaining dystrophin protein stability and regulating myocyte proliferation and differentiation. The investigation focused on DMD/mdx mouse skeletal muscle primary myoblasts, aiming to identify lncRNAs potential as biomarkers and therapeutic targets for Duchenne muscular dystrophy (DMD). Utilizing CLC Genomics Workbench software, 554 differentially expressed lncRNAs were identified in DMD/mdx mice compared to wild-type (WT) control. Among them, 373 were upregulated, and 181 were downregulated. The study highlighted specific lncRNAs (e.g., 5930430L01Rik, Gm10143, LncRNA1490, LncRNA580) and their potential regulatory roles in DMD key genes like IGF1, FN1, TNNI1, and MYOD1. By predicting miRNA and their connections with lncRNA and mRNA (ceRNA network) using tools such as miRNet, miRSYSTEM and miRCARTA, the study revealed potential indirect regulation of Dystrophin, IGF1R and UTRN genes by identified lncRNAs (e.g. 2310001H17Rik-203, C130073E24Rik-202, LncRNA2767, 5930430L01Rik and LncRNA580). These findings suggest that the identified lncRNAs may play crucial roles in the development and progression of DMD through their regulatory influence on key gene expression, providing valuable insights for potential therapeutic interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».